# dynamo-troubleshoot

Разбирает упавший деплой Dynamo на классы проблем и подсказывает следующий шаг. Пригодится, когда поды, PVC или бенчмарк-джобы не поднимаются.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1900 установок · ★ 3735
- Автор: Dan Gil
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/dynamo-troubleshoot/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/dynamo-troubleshoot

## Что делает

Скилл ведёт диагностику сверху вниз и на каждом шаге собирает только доказательства на чтение. Сначала запускается `scripts/collect_dynamo_debug_bundle.py` с `--namespace`, а если знаете имя деплоя — с `--deployment-name`. Секреты не собираются, токены Hugging Face не печатаются.

Дальше сбой раскладывается по одному основному классу: кластер, namespace и секрет, кэш модели и PVC, образ, планирование GPU, реконсиляция `DynamoGraphDeployment`, frontend и router, воркер, endpoint, бенчмарк-джоба. Порядок проверок фиксированный: namespace и storage class, потом PVC и джоба скачивания модели, статус `DynamoGraphDeployment`, `describe pod` и логи, сервис frontend, `/v1/models`, `/v1/chat/completions`, и только после успешного smoke-теста endpoint — бенчмарк.

Правки вносятся по одному слою, самая мелкая обратимая. Скилл только читает кластер: команды и патчи он возвращает, но не выполняет. Нужны Python 3.10+ и `kubectl` с доступом на чтение к подам, событиям, джобам, PVC и `DynamoGraphDeployment` — без прав на секреты. Если `kubectl` отвечает Forbidden на события и поды, дело в RBAC сервисного аккаунта, и это первое, что стоит проверить. Транспорт disagg скилл не валидирует, для этого есть `dynamo-interconnect-check`.

## Требования
- Работает с: Kubernetes

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill dynamo-troubleshoot -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/dynamo-troubleshoot/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/dynamo-troubleshoot/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill dynamo-troubleshoot -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/dynamo-troubleshoot/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill dynamo-troubleshoot -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/dynamo-troubleshoot/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills dynamo-troubleshoot
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/dynamo-troubleshoot/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill dynamo-troubleshoot -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/dynamo-troubleshoot
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/dynamo-troubleshoot/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill dynamo-troubleshoot -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/dynamo-troubleshoot/SKILL.md

## Когда брать
- понять, почему поды воркеров уходят в `CrashLoopBackOff`
- найти причину зависшей джобы скачивания модели
- разобрать PVC, который не привязался к storage class
- проверить статус и события `DynamoGraphDeployment`
- прогнать smoke-тест endpoint перед бенчмарком

## Примеры запросов агенту
- Собери отладочный бандл для namespace dynamo-demo и скажи, что сломалось
- Почему поды воркеров в CrashLoopBackOff? Проверь логи и планирование GPU
- Джоба скачивания модели висит в Pending — разбери PVC и секрет Hugging Face

## Похожие
- [gpu-kubernetes-operations](https://affpapa.org/nevibecode/skills/gpu-kubernetes-operations.md) — скилл · 329 установок
- [gke-ai-troubleshooting-node-unresponsive-timeout](https://affpapa.org/nevibecode/skills/gke-ai-troubleshooting-node-unresponsive-timeout.md) — скилл · 810 установок
- [digitalocean-compute](https://affpapa.org/nevibecode/skills/digitalocean-compute.md) — скилл · 416 установок
- [llm-inference-scaling](https://affpapa.org/nevibecode/skills/llm-inference-scaling.md) — скилл · 343 установки
- [gke-workload-troubleshooting](https://affpapa.org/nevibecode/skills/gke-workload-troubleshooting.md) — скилл · 4600 установок
- [debug-openshell-cluster](https://affpapa.org/nevibecode/skills/debug-openshell-cluster.md) — скилл · 474 установки

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 178 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md